【腾讯地图专家开讲3】地图导航原创

下面再讲导航，导航大家可能都很容易理解，就是从A到B啊，哪条线最优。那大家也肯定会都都用，用到了地图导航，手机地图上导航，然后在这个导航，从这个产品大家能看到的是说啊，我在我在出发前得查询不同的线去选一个，看看大概多长时间到这个里面就涉及到你看他给了你三条推荐的方案，三个推荐的方案，每个方案给出了时间。首先大家想着从A到B这个可走的方案。不止千，不止千条万条啊，百万百万级的这个是很很正常的，因为这里面有涉及到很多的段，很多的这个呃选择，而且还涉及到了这个很多其他的因素啊，这个就是说在线肯定是有非常多的选择，就怎么从里边选出这三条主线出来，那这三条又不是用一个标准选出来，你大家看到啊，一个是时间最短，一个是距离短，还有一个是啊，比如说是高速什么情况啊啊，你是喜欢走高速，不喜欢走高速。第二个大的问题是说在时间，时间是怎么预估出来的，那时间在路上会有各种的消耗时间的事情，还包括拥堵，还包括这个红绿灯，还包括这个驾驶行为，就有各种因素，那现在行业里基本要求说你这个预估时间最好是在误差在10%，甚至更更少，就5%，我说你30分钟到，那你最少相差不到三分钟甚至更少。

就这这个要求是非常高的，后面会讲啊，那行踪呢，是行踪什么意思呢？你在开车边走边走，这个这个软件它也会在时刻在关注着前方的这些，呃，你的路线的变化说诶现在有更好路线是要推荐你啊，或者说发现你开错地方了啊，你没有走刚才推荐路线，那马上要给你，另外导航还要提前给你做诱导，要提前告诉你前面要要有什么情况，那这种里边有一系列的服务。那最后呢，你你走完了以后，走完了以后会有个才叫小结业，小结业会把你多多长时间，然后用时多少，这个大家可能不会太仔细去看，但这个数据是对我们是非常珍贵的，因为我们是要用这个数据去优化模型，下次争取做的更好是吧？诶时间预估超过了10%，为什么啊，他这个线是不是还有更好的，为什么这个用户没有完全按照这个路线走，它偏航了，偏航是什么原因啊，偏航原因是不是这条路封了，那我们下一个用户导航时要把这个地方来记下来啊，就要把这个地方路段说这个刚才始开通的，现在封闭，那要把这个信息要挖掘出来，就这个从这个用户体验啊提升的角度，我们要去啊，持续的去看过去这个呃数据，然后去分析问题，去去做指标上的提升啊，这个给大家讲一讲啊，然后这个导航，我们做导航就基于我们现有数据，基于我们。

最可能的这个好的算法及对用户最体验最精准把握去提供这种啊算法优化，还有推荐，但是啊，还有刚才讲都是驾车，那是不是还有公共交通啊，还有不骑行啊，还有很多这个不同交通模式上的选择啊，每一个每一种模式啊，它的模型都会不一样。

呃，这里边我就跟大家讲一个很有趣的这么一个例子啊，就是我们公司在马连洼，就北京海淀园北边。啊，然后比如说我想去望京东湖区。我这选的是马连洼地铁站，地铁站到东湖区地铁站，那我说我坐公共交通来导航。大家看到两条路线啊，北京的地铁，我就讲这个吐槽一下，这北京的地铁规划是很不合理，你从一个地铁站到另一个地铁站，你需要换乘五次，坐六种六六个线啊，这个就是从从网络这个设计合理性上肯定是不合理的。啊，然后再大家再比较一下这两条路线的差别啊，这两条都真实路线，我是今天两个小时之前我刚导的，我刚截图的。嗯，另一个路线是有四个，你换三次，做四个地铁线路，左边就是坐六个地铁线，换五次，一共五次，一个三次。嗯，换四次换三次，这个呢，用时会多了十分钟，你说你喜欢哪一个。是吧，所以说这个用户的这个偏好是很难把握的。

就你推荐哪一个？这个就是给大家讲这个问题，这个复杂性啊，就说这个这个他这个，那或者说你直接就说这个公公交是不适合，因为从这个A到B，从马连洼到东部区，你要开车时连30分钟都不用，到现在你去坐地铁要花三倍的时间。人可能就直接就建议不要不要走这条线了，虽然他这个成本低啊，都是六块钱。所以啊，刚才就给大家讲这个问题的复杂性啊。那从技术上讲，不管它多复杂，我们都要解决，那从技术上我们就说首先要有数据，道路数据要准，这准不仅体现在A到B有路，而且这个路是什么状态，就第一它有多几条车道，它的。正常情况下通行的这个速度是是多少，然后它每个路口能不能左拐，能不能右拐，红绿灯的大概的什么特点。然后这条路上有没有什么限制，比如这块不能左拐，这个限速多少啊，还有他说今天是不是开通还是封闭。

啊，经过一些什么地段，会有什么有可能一些异常情况啊，这些都是要考虑，还有定位，刚才说的定位啊，你我我在行进的过程中，我的定位如果某一个不准，我判断你偏行了，那那个我马上就给你另外导一个线啊，这个体验就非常差，就我要跟随你，还有定位要准，一直跟着你啊，这样才能会给你很好的这个啊。行进过程中的一个一些更好的服务，中间是能力，就说我有这么，呃，有这个尽量精准数据以后呢，我怎么去，首先行先把这A到B的路线给他规划出来，规划合理，给你提出三个你最有可能选的方案啊，就你然后你选出一个，如果一个用户他哪个都没有选，或者他开车过程中啊，就没有按这任何一个方案去去跟随，那你这个导航这个路线就肯定是质量不好，你要回答分析问题。第二就是说我去做导航，我从A到B，我首先要知道A在哪，实际先就知道B在哪，我比如我敲入A的名字，结果在你这个地图上找到，或者呃，找到是不对的一个地方，那这这体验也不好，所所以说这个引我们叫引导点，就是你到底从哪上车，从哪下车。

你下车地方，下车以后发现这个地方并不是你想去的，你去一个小区，它门不在这里，或者这里有个门今天不开通，所以说不仅我们要知道POI，我们还知道POI这个哪个门是大家要要去的门，去开通的门。甚至说这是网约车和这个货车，那导航的时候它走的门都不一样啊，就给大家讲一下这个地方会考虑的事情。啊，导航这路线计算，路线计算里边就会考虑到，因为我们要估这个ETAETA就是预估到达时间啊，就S媒体的啊，Val time timeval啊就是ETA预估的到达时间，那怎么去预估到达时间，这里面要考虑很多方啊，很多信息啊，包括路况下面会讲哈。这里边，然后我们去去做各个模块上的去啊，有每个模块都有它自己的一套算法，就是吸附，就说你你给我一个经纬度，我要知道我把你吸附到哪个地方，吸附到这个门上，还是吸附到一个十字路口，我我要告诉你你在哪上车，然后给你算，算完我就算出100万种可能，我要给你排序，排完序我要选三个代表性的给你选，选完了然后咱们走，走的时候看你是不是偏好，再给你做诱导，再给你做实施的啊规划，然后最后做这个路线刷新，然后的一个闭环回来，然后再看你是不是还在这个路天路线上，是不是一个结束行程，结束行程以后看看有什么呃问题小分析啊，这整个这么一个流程。

所以现在就给大家看一下这个挑战啊，这里边说的问题都是现实的问题啊，当然已经有模型在解，但是它肯定不是最好的模型，所以这是一个也是一个研究的前沿，那这个我我也我也理解啊，这个这个前沿问题就只有在现实中，好多问题就在现实才能遇到，在实验室里有时候模拟不出来啊，所以我们也希望能和高校老师啊学生一起合作啊，就说我们可以提供这个平台，提供这一些场景，提供一些啊测试的这些啊bad case，让大家来看试验一下这个算法模型，看看哪一个能达到更好，状态类是一个排行榜，那这个我们是正在考虑的，做做这么一个啊，呃，一个一个一个平台啊，那现在就是但可以可以是还是可以合作的，只不过是还没有是面向，嗯，大家做一个这种开放的平台，所以我们是正在考虑要做的，那咱们先回到这个挑战，就是道全职是什么意思，就每一条道路的这个线段或另叫另路段，这个路段它是什么属性，什么等级，还是有有没有红绿灯，是转弯道路宽度多少，通行状态什么路面是路面什么样子。

是不是这个沙土路啊，就这些都是要考虑的路况，像是不是拥堵，是不是封路，有没有交规，有没有管制啊，第三个是环境因素，今天车牌限行限行啊，货车啊，货车不能走这里啊，或者是白天晚上也有差别啊，还有是下雨啊，啊雨雪也会有差别，用户的偏好，他要躲避拥堵啊，躲避收费啊，有各种啊，这个就是各种因素，这这种要因因素在里边不下100种啊，这都要考虑的。第二，第二大家要考虑到这个工程上的这个难度啊，我从A到B，我从一个就是几公里的这个导航啊，可能是相对简单，但大家想到这个千万级的用户。

呃，1000万人，几千万人同时在用你的服务啊，它导航的这个涉及到这个路网又非常的大，比如说大概超过5000万个节点，超过1亿个这个路段，还超过3亿个这个左拐右拐这种这拐向的这种信息，那这里呢，你要是说想对这么的用户有很快速的找到最好尽量最好的方案，这个工程上就是一个大的问题，第三个就是这个线多样性怎么去排序，怎么去，就你你你可以把它线都算出来了，100万个都算出来了，很快都算出来了，还是要选，那我到底选哪一个啊，就这里边啊会是到很多问题，实际在这个整个这解决这个问题过程中，也用到了图像啊，啊声音，声音是什么意思，就是说嗯，这些好多导航都是要语音，语音去啊去去交互的，还有这个NLP啊，就是这个私然语言处理，还有这个这个优化算法，这里面都都用到，现在又也用到了很多这种啊呃，人工智能这呃深度学习的模型，但是深度学习的模型在在一些普通的应用场景里面很难看到，说能直接是。

适用于这个导航这个场景，所以要做很多概念上的转换连接，然后这个还有跨界，说这个其实这个演化周期还是相对比较长的。啊，刚才讲这导航这个啊，整个场景啊，它的技术挑战在哪里，但我不会讲这个详细算法，这它有不同算法，而且确实是到很多复杂的模型啊大家呃，有问题有兴趣的可以在啊线下或者什么，有机会再详细讨论某一个方向，嗯，现在往前看，就说这个导航往前看还。未来会是有哪些应用的方向或者挑战，或者是啊全新的一个领域啊，其中一个就是啊人车共驾这种导航。呃，自动驾驶虽然还还有一段距离要达到，但是人车共驾驶已经慢慢在在切换了，就说在辅助驾驶这种状态下，那就不仅是从A到B你走哪条路了，而且你要时刻关注说你走哪条车道，车道进到好。啊，然后呢，这个交互界面。

以所使用到的数据和相关技术都会有很很大的差别，就是相关技术，那就可能会有这RTK，就是基于基站高清定位，还有卫星的信号，还有灌导的IU灌导或者其他的啊，相关的这个没有信号下的这些技术，还有也通过这个视觉的，还有高精定位的，下面还有高精地图的数据，那应用里边在人车共驾的时候，就是说纯车架也有啊，就说自动驾驶也有一些啊，封闭场景下也能做到一些啊，自动驾驶的那个自动驾驶也是需要这种导航，不是对机器的一种导航，那人人车共驾的时候呢，那要呃有一个调控界面，转切界面，那人人开车，车有人开车的这种算法，所以这里面就涉及到了一系列技术和感知。感知手段包括周边的车的位置和自己车的位置，速度、姿态，还有车道级的这种定位和感知。这一个方向啊，第二个方向是室内外一体化导航，可能刚讲定位都是室外，户外的定位，用卫星啊，户外的导航，那是不是可以做室内外一体化导航，这个实际是做了的，就是在一些大型的这个场景下，比如说机场啊，这个是可以做到的，就是说从你家出门啊，到你可以走路到某一个路边，然后打车或者自己开车啊，或者从车库出来开车啊，上上了高速，然后一直走，这都是正常的，然后到了机场会导航到登机口，这从机场下车到登机口怎么走啊，大概是花多长时间啊。

都会，这都可以有信息啊，关联起来有这个在，呃，是已经有落地的场景，但大家可以想象这里面学到这个定位技术啊，以及对这个信息，地图信息，就说供给室外，还有室内的地图信息，还有业务上信息，比如说这个安检现在排队多长，因为这跟跟你的一天，跟你预估到达时间是非常有关的，就这个是要是要啊多方合作的，就是这个不是一个股市的，在手机上可以签面都用的，肯定是要在具体场景前和具体的，嗯。业务去合作。